Google旗下波士顿动力学公司研发的“机器狗”
先亮明观点。现阶段的人工智能，更多的是指“机器学习”。
本文纯属个人观点，欢迎拍砖讨论。
我把人工智能的发展史划为三个阶段：
1）认知期。上个世纪80年代，电脑方兴未艾，还只是Geek和“疯子”的玩物。这一时期，人们对电脑这一事物是充满恐惧感的。在这之前，科幻小说走到最前面，一些关于计算机的科幻小说已然将电脑的负面灌输到人们头脑当中。作者的未来狂想，在80年代以前统治了人们的心智。当然，乔布斯的AppleII重塑了人们对于电脑的认知，而且，Macintosh成为那把敲开个人电脑革命大门的“锤子”。这一时期，人工智能更多的是停留在思维层面，是某些科幻作家用以创作的灵感之源。
2）接受期。90年代，算是电脑的普及期，这一阶段，IBM、康柏、DEC、戴尔，包括苹果，在PC市场上都谋得了一席之地。电脑不再是窃除人们心智的怪物，它实实在在地改变了人们的生活方式。可以说，电脑已经从Geek和上层人士走向普罗大众，深入到人们生活的方方面面。与80年代不同，这一时期人们对于人工智能的理解不是完全否定的，互联网的发展，让他们看到了落地的可能性。
3）口水期。特别说明下：21世纪以来，第一个十年，是中国互联网的黄金十年。由于互联网的普及，中美之间的差距被这个虚拟空间全填补掉了。人工智能，在世界范围内引起关注，尤其是在伦理层面上。2010年之后，人工智能的口水期才真正到来。这一时期，它已被过度利用，用以标榜前卫。哦，对了，它也是O2O公司的PR必备话术。
这三个阶段，很好地诠释了人工智能从空想到落地的过程。我用三类事物做类比这一过程，即提线木偶——计算器——机器人。也就是说，人工智能概念的发展，其实就是从能量转换到信息处理，再到人机交互的过程。
那么，现阶段的人工智能究竟指的是什么？
以下浅见，权当抛砖引玉。人工智能，简单说，就是“输入——匹配——输出”。输入和输出方式，完全是可以自定义的，前端的识别是否精准，直接影响到后端的输出。而关于识别技术，在现实生活中应用场景已经很多，不赘言。我更想谈的是“匹配”。
人机交互最大的难点，就是匹配。机器的信息处理过程，就像一个漏斗，过滤掉大量冗余信息后，有效信息就会以指令的形式下达，以便机器作出恰当反应。这里要先谈谈“过滤”过滤，等于匹配吗？
麦克卢汉的“媒介信息论”，有一层意思说的是，媒介是人体的延伸。我把延伸分为两类，一类是功能上的延伸，比如大型电视节目录制过程中经常使用的“摇臂”；一类是认知上的延伸，比如间接经验的获取。现代社会的信息爆炸，带来的直接后果，就是信息冗余。所以，互联网史上诞生了几个代表性质的过滤工具：Google，搜索信息的过滤；亚马逊，商品交易的过滤；Facebook，社交关系的过滤。国内的可以参考那几家C2C（Copy to China）公司。这种过滤的直接好处，就是抓住了互联网的金矿——流量、交易和关系。
所以，过滤说白了就是匹配。那我们为什么不直接用“过滤”呢？现在是按需服务、共享经济时代，互联网创业盛行，“匹配”远比过滤更能体现出科学性。
匹配，是人机交互过程中最关键的一部分。如何提升匹配的精确性，也一直是这些互联网公司最为关心的，因为它直接关系到公司的实际收入，当然，也关系到它们的估值，如果他们的人工智能故事讲得还过得去的话。而且，他们又有了新名词：机器学习。
搜索引擎公司如Google、百度，社交网络公司如Facebook、腾讯，他们都是机器学习的拥趸。除了大公司，越来越多的小公司也开始向“机器学习”靠拢，所谓的算法推荐、升级也都暗示着“机器学习”的技术理念。似乎一切都可以搞出个“智能+”。相比之下，“互联网+”还是底层视角。
当然，这些都不为过。当人们都在谈人工智能的时候，对人工智能的发展而言，也未尝是一件坏事。资本是逐利的，关注就意味着投入。近日，Google二季度财报发布后的股价疯长，就给人工智能领域打了一针兴奋剂。
—— 首发 DoNews ——
网友评论